id
int64
18
21.1k
created_at
timestamp[ns, tz=UTC]date
2026-02-23 07:30:20
2026-02-24 16:54:39
updated_at
timestamp[ns, tz=UTC]date
2026-02-23 08:08:14
2026-02-24 16:54:39
doc_name
stringclasses
1 value
input
stringlengths
11
9.24k
output
stringlengths
0
738
is_personal
bool
2 classes
is_sentence
bool
2 classes
is_corrected
bool
2 classes
13,007
2026-02-24T11:12:43.224000Z
2026-02-24T11:12:43.224000Z
Lec.
YOLOv8-M. 25,9
false
false
false
13,006
2026-02-24T11:12:41.517000Z
2026-02-24T11:12:41.517000Z
Lec.
YOLOv8-S. 11,2
false
false
false
13,005
2026-02-24T11:12:39.776000Z
2026-02-24T11:12:39.776000Z
Lec.
Количество параметров, млн
false
true
false
13,004
2026-02-24T11:12:38.137000Z
2026-02-24T11:12:38.137000Z
Lec.
Количество параметров в различных моделях
false
true
false
13,003
2026-02-24T11:12:36.120000Z
2026-02-24T11:12:36.120000Z
Lec.
Для сравнения соответствия моделей согласно официальной документации [12–13], имеем возможность оценить размеры выбранных для сравнения моделей в таблице 3
false
true
false
13,002
2026-02-24T11:12:34.351000Z
2026-02-24T11:12:34.351000Z
Lec.
В качестве моделей, которые было решено разобрать в данном исследовании, была выбрана линейка моделей You Look Only Once (YOLO) [81] от 10 до 12 версии с добавлением 8 версии, как одна из самых современных и относительно компактных серии моделей, а так же RF-DETR [82], как современная мощная модель, которая может быть значительно эффективнее YOLO, однако и требовательнее к ресурсам, что не будет препятствовать использованию данной модели для произведения предварительной разметки фотографий
false
true
false
13,001
2026-02-24T11:12:32.576000Z
2026-02-24T11:12:32.576000Z
Lec.
Подбор модели, используемой в веб-сервисе, требует нахождения компромисса между мощностью модели и необходимостью выбрать наиболее малую и быструю версию
false
true
false
13,000
2026-02-24T11:12:31.054000Z
2026-02-24T11:12:31.054000Z
Lec.
На момент окончания работы в рамках установленных сроков, общий набор данных составил более 6600 изображений, из которых автором данного документа было размечено более 2500 изображений
false
true
false
12,999
2026-02-24T11:12:29.296000Z
2026-02-24T11:12:29.296000Z
Lec.
Расширение выложено в открытый доступ [80] и доступно всем желающим
false
true
false
12,998
2026-02-24T11:12:27.564000Z
2026-02-24T11:12:27.564000Z
Lec.
Стоит также отметить, что для модели RF-DETR был написано собственное расширение для autodistill, что позволило эффективно его использовать
false
true
false
12,997
2026-02-24T11:12:25.926000Z
2026-02-24T11:12:25.926000Z
Lec.
В результате подготовки скрипта для предварительной разметки, был создан collab notebook [79], доступный внешним пользователям, как пример использования различных нейросетевых моделей для разметки датасета
false
true
false
12,996
2026-02-24T11:12:24.053000Z
2026-02-24T11:12:24.053000Z
Lec.
Код запуска разметки датасета с помощью RF-DETR
false
true
false
12,995
2026-02-24T11:12:21.781000Z
2026-02-24T11:12:21.781000Z
Lec.
Благодаря библиотеке autodistill для разметки не требовалось писать большое количество кода (рисунок 28)
false
true
false
12,994
2026-02-24T11:12:20.211000Z
2026-02-24T11:12:20.212000Z
Lec.
Помимо применения предварительной обработки в виде аугментаций, а также описанного метода очистки датасета от меток малого размера, для ускорения процесса разметки применялась предобработка в виде разметки фотографий с помощью, обученной на первых двух тысячах фотографий модели YOLOv8 размера medium, и позже RF-DETR-base, что существенно ускорило процесс ручной разметки фотографий
false
true
false
12,993
2026-02-24T11:12:18.304000Z
2026-02-24T11:12:18.304000Z
Lec.
Данные тренировочной части датасета после удаления меток площадью менее 1 процента
false
true
false
12,992
2026-02-24T11:12:16.672000Z
2026-02-24T11:12:16.672000Z
Lec.
Данные тренировочной части датасета в изначальной версии
false
true
false
12,991
2026-02-24T11:12:15.127000Z
2026-02-24T11:12:15.127000Z
Lec.
График и распределение содержимого тренировочной части датасета приведен на рисунке 26, аналогичный график после удаления меток площадью менее 1 процента приведен на рисунке 27
false
true
false
12,990
2026-02-24T11:12:13.531000Z
2026-02-24T11:12:13.531000Z
Lec.
На данный момент экспериментальным путем определено, что метки площадью менее 1 процента изображения не составляют высокой значимости при предполагаемом применении из-за дублирования здания на нескольких фотографиях, однако являются достаточно сложными для обработки и усложняющими обучение, потому в обязательном порядке удаляются из всех данных
false
true
false
12,989
2026-02-24T11:12:11.880000Z
2026-02-24T11:12:11.880000Z
Lec.
Работа с файлами проводилась с помощью библиотеки shutil [78]
false
true
false
12,988
2026-02-24T11:12:10.044000Z
2026-02-24T11:12:10.044000Z
Lec.
Перед обучением, помимо необходимости применения аугментаций, проводилась визуализация содержимого датасета с помощью библиотеки matplotlib [77], и дополнительно удалялись метки размером менее некоторого процента
false
true
false
12,987
2026-02-24T11:12:08.343000Z
2026-02-24T11:12:08.343000Z
Lec.
Данные методы представлены в файле google colab [76], как и другие наборы методов, и они включают:. подсчет числа меток различных классов и создание графика содержания классов в датасете;. создание списка изображений и соответствующих им файлов разметки, содержащих объекты заданного класса или нескольких классов;. создание списка изображений и соответствующих им файлов разметки, не содержащих объектов;. удаление изображений и разметочных файлов согласно списку;. удаление из разметки меток, площадь которой менее заданной
false
true
false
12,986
2026-02-24T11:12:06.296000Z
2026-02-24T11:12:06.296000Z
Lec.
Для разработки и применения данных методов использовалась среда Google Colab [75] с бесплатно доступными вычислительными блоками Т4 и язык программирования Python
false
true
false
12,985
2026-02-24T11:12:04.534000Z
2026-02-24T11:12:04.534000Z
Lec.
Помимо перечисленных обязательных преобразований был разработан ряд методов преобразования данных
false
true
false
12,984
2026-02-24T11:12:02.898000Z
2026-02-24T11:12:02.898000Z
Lec.
Пример фотографии с примененными аугментациями
false
true
false
12,983
2026-02-24T11:12:01.359000Z
2026-02-24T11:12:01.359000Z
Lec.
Пример изображения с применением данных трансформаций на рисунке 25
false
true
false
12,982
2026-02-24T11:11:59.695000Z
2026-02-24T11:11:59.695000Z
Lec.
Преобразования, применяемые к изображениям, представлены в списке: горизонтальный поворот до 5 градусов в случайном направлении, сдвиг до 5 градусов в случайном направлении, зеркальное отражение изображения, зашумление до 1.01 процента пикселей, размытие силой до 0.7 пикселя, изменение оттенка изображения до 15 процентов, изменение насыщенности изображения до 35 процентов, изменение яркости изображения до 15 процентов, изменение экспозиции до 10 процентов
false
true
false
12,981
2026-02-24T11:11:57.589000Z
2026-02-24T11:11:57.589000Z
Lec.
К каждому изображению из тренировочной выборки применяются два различных случайных набора из трех преобразований, создавая два изображения из одного, увеличивая количество данных обучения, в то же время не позволяя модели переобучаться и увеличивая её устойчивость к различным дефектам данных, как относящихся к качеству изображения, так и различным условиям освещения, погодным условиям, углу съемки
false
true
false
12,980
2026-02-24T11:11:55.680000Z
2026-02-24T11:11:55.680000Z
Lec.
С помощью инструментария сервиса ко всем изображениям применялось:. изменение размера до 640 на 640 пикселей;. применение гистограммной эквализации контраста изображений [74];. увеличение числа изображений через применение серии аугментаций
false
false
false
12,979
2026-02-24T11:11:53.789000Z
2026-02-24T11:11:53.789000Z
Lec.
Для проведения первичных преобразований, т.е. автоматизированного применения к изображениям независящих от конкретного изображения трансформаций, применялся сервис Roboflow, упомянутый ранее
false
true
false
12,978
2026-02-24T11:11:51.980000Z
2026-02-24T11:11:51.980000Z
Lec.
В данном процессе можно выделить три задачи:. автоматизированная разметка с помощью модели;. удаление меток из размеченных фотографий по задаваемым признакам, очистка датасета от пустых изображений или изображений по заданным условиям;. применение аугментаций [73] к изображениям, изменение размерности
false
false
false
12,977
2026-02-24T11:11:50.066000Z
2026-02-24T11:11:50.066000Z
Lec.
Помимо необходимости разметить фотографии вручную, что является задачей, требующей выделить большое количество времени, немаловажным этапом является автоматизированная предварительная обработка фотографий
false
true
false
12,976
2026-02-24T11:11:48.415000Z
2026-02-24T11:11:48.415000Z
Lec.
В среднем, на разметку одной фотографии полностью вручную уходит полторы минуты
false
true
false
12,975
2026-02-24T11:11:46.645000Z
2026-02-24T11:11:46.645000Z
Lec.
Для разметки вручную, как и для хранения датасета и проведения некоторых операций предобработки использовался сервис Roboflow [72]
false
true
false
12,974
2026-02-24T11:11:45.067000Z
2026-02-24T11:11:45.067000Z
Lec.
Пример размеченной фотографии
false
true
false
12,973
2026-02-24T11:11:43.664000Z
2026-02-24T11:11:43.664000Z
Lec.
Таким образом, после ручной разметки фотографии выглядят аналогично фотографии (рисунок 16)
false
true
false
12,972
2026-02-24T11:11:42.009000Z
2026-02-24T11:11:42.009000Z
Lec.
В качестве основных правил ручной разметки были выработаны следующие требования:. все части здания должны попадать в рамку;. тип здания определяется по внешнему виду размечающим;. если здания стоят вплотную друг к другу, необходимо отмечать их отдельными рамками только при наличии визуально наблюдаемых границ между зданиями, к примеру цветовое различие или отличия в этажности;. здание отмечается только при возможности его выделить и определить характер без увеличения фотографии;. здание не отмечается, если в высокой степени закрыто деревьями или иными объектами, мешающими его распознать;. в рамку относится только явно видимая часть здания
false
true
false
12,971
2026-02-24T11:11:39.900000Z
2026-02-24T11:11:39.900000Z
Lec.
Данное разбиение является достаточно компактным в количестве классов, что позволяет обрабатывать его небольшими моделями, в то же время отображая типы зданий, по количеству которых является возможным определить характер анализируемой местности по соотношению типов зданий
false
true
false
12,970
2026-02-24T11:11:38.202000Z
2026-02-24T11:11:38.202000Z
Lec.
К социально значимым отнесены образовательные, медицинские, правительственные и административные, правоохранительные, религиозные учреждения
false
true
false
12,969
2026-02-24T11:11:36.598000Z
2026-02-24T11:11:36.598000Z
Lec.
К индустриальным – заводы и иные производственные здания, а также трубы, окрашенные в красные и белые полосы, не находящиеся на большом удалении, поскольку зачастую производственные здания можно однозначно определить по данным трубам, даже если основную часть здания не видно напрямую
false
true
false
12,968
2026-02-24T11:11:34.812000Z
2026-02-24T11:11:34.812000Z
Lec.
К техническим – автобусные остановки, трансформаторные будки, подстанции, наземную вентиляцию, строящиеся или развалившиеся здания, сторожки и иные малые строения, характер которых определить затруднительно
false
true
false
12,967
2026-02-24T11:11:33.029000Z
2026-02-24T11:11:33.029000Z
Lec.
К коммерческим – магазины, кафе, рестораны, как в отдельных зданиях, так и расположенные на первых этажах, торговые, развлекательные центры, бизнес-центры и небоскребы, торговые ларьки, иные здания подобного характера
false
true
false
12,966
2026-02-24T11:11:31.226000Z
2026-02-24T11:11:31.226000Z
Lec.
К жилым – очевидным образом, жилые здания, будь то частные или многоэтажные, а также апартаменты
false
true
false
12,965
2026-02-24T11:11:29.564000Z
2026-02-24T11:11:29.564000Z
Lec.
Относить здания к классам было решено по следующим спискам
false
true
false
12,964
2026-02-24T11:11:28.005000Z
2026-02-24T11:11:28.005000Z
Lec.
В качестве основных классов зданий, которые в дальнейшем могут быть разделены на большее количество узких категорий выбраны 5 классов: жилое здание (residential), коммерческое (commercial), техническое (technical), индустриальное (industrial), социально значимое (social)
false
true
false
12,963
2026-02-24T11:11:26.427000Z
2026-02-24T11:11:26.427000Z
Lec.
Пример панорамной фотографии
false
true
false
12,962
2026-02-24T11:11:24.992000Z
2026-02-24T11:11:24.992000Z
Lec.
Пример фотографий, составляющих датасет (рисунок 15)
false
true
false
12,961
2026-02-24T11:11:23.226000Z
2026-02-24T11:11:23.226000Z
Lec.
Дополнительно необходимо составить такой список классов зданий, где каждый класс возможно будет разбить на несколько других классов, что обеспечит возможность дальнейшего развития проекта
false
true
false
12,960
2026-02-24T11:11:20.669000Z
2026-02-24T11:11:20.669000Z
Lec.
Таковой является, к примеру, информация о наличии магазинов на первых этажах зданий, назначении зданий, которые похожим образом выглядят на спутниковых снимках (небоскреб или торговый центр)
false
true
false
12,959
2026-02-24T11:11:18.896000Z
2026-02-24T11:11:18.896000Z
Lec.
Цель работы заключается в обучении модели, которая сможет по фотографиям получать достаточно подробную информацию об анализируемой области, которую нельзя получить со спутниковых снимков
false
true
false
12,958
2026-02-24T11:11:17.257000Z
2026-02-24T11:11:17.257000Z
Lec.
Первостепенным фактом, который необходимо принять во внимание при разработке правил разметки, является ожидаемый результат
false
true
false
12,957
2026-02-24T11:11:15.472000Z
2026-02-24T11:11:15.472000Z
Lec.
После произведённых действий, MinIO стало готово к полноценному использованию
false
true
false
12,956
2026-02-24T11:11:13.924000Z
2026-02-24T11:11:13.924000Z
Lec.
Окно создание нового пользователя в MinIO
false
true
false
12,955
2026-02-24T11:11:12.350000Z
2026-02-24T11:11:12.350000Z
Lec.
Последним этапом настройки стало создание дополнительных пользователей с назначением их ролей (рисунок 22)
false
true
false
12,954
2026-02-24T11:11:10.601000Z
2026-02-24T11:11:10.601000Z
Lec.
В соответствии с документацией была проведена его настройка, полный файл которые можно найти в приложении Г
false
true
false
12,953
2026-02-24T11:11:08.941000Z
2026-02-24T11:11:08.941000Z
Lec.
В качестве веб сервера, который будет связывать домен и MinIO был выбран nginx, как наиболее популярный
false
true
false
12,952
2026-02-24T11:11:06.950000Z
2026-02-24T11:11:06.950000Z
Lec.
Благодаря использованию различных протоколов и технологий, для MinIO требуется отдельная настройка
false
true
false
12,951
2026-02-24T11:11:05.332000Z
2026-02-24T11:11:05.332000Z
Lec.
Больший интерес представляет из себя привязка MinIO к домену
false
true
false
12,950
2026-02-24T11:11:03.838000Z
2026-02-24T11:11:03.838000Z
Lec.
Конфигурационный файл MinIO
false
true
false
12,949
2026-02-24T11:11:02.229000Z
2026-02-24T11:11:02.229000Z
Lec.
Конфигурационный файл (рисунок 21), который передаётся в ansible не представляет большого интереса, так как даже базовый файл из документации может использоваться в реальной работе, если изменить имя пользователя и пароль
false
true
false
12,948
2026-02-24T11:11:00.612000Z
2026-02-24T11:11:00.612000Z
Lec.
Однако перед полноценной работы с ним необходимо было произвести некоторую настройку, которая будет описана далее
false
true
false
12,947
2026-02-24T11:10:58.984000Z
2026-02-24T11:10:58.984000Z
Lec.
После запуска команды, спустя некоторое время MinIO было установлено и готово к работе
false
true
false
12,946
2026-02-24T11:10:57.421000Z
2026-02-24T11:10:57.421000Z
Lec.
Команда запуска ansible
false
true
false
12,945
2026-02-24T11:10:55.899000Z
2026-02-24T11:10:55.899000Z
Lec.
После создания этих файлов, а также добавления конфигурационного файла для MinIO, была запущена команда, показанная на рисунке 20
false
true
false
12,944
2026-02-24T11:10:53.896000Z
2026-02-24T11:10:53.896000Z
Lec.
Сам файл приведён в приложении В
true
true
false
12,943
2026-02-24T11:10:52.433000Z
2026-02-24T11:10:52.433000Z
Lec.
Далее был создан Playbook файл с указанием, как и что устанавливать
false
true
false
12,942
2026-02-24T11:10:50.926000Z
2026-02-24T11:10:50.926000Z
Lec.
На фото большая часть сокрыта в целях конфиденциальности
false
true
false
12,941
2026-02-24T11:10:49.294000Z
2026-02-24T11:10:49.294000Z
Lec.
В данном случае указывается тип подключения SSH, вместе с отключённым режимом строгой проверки ключей подключения
false
true
false
12,940
2026-02-24T11:10:47.781000Z
2026-02-24T11:10:47.781000Z
Lec.
Файл inventory.ini
false
true
false
12,939
2026-02-24T11:10:46.090000Z
2026-02-24T11:10:46.090000Z
Lec.
В данной работе был сконфигурирован небольшой файл, представленный на рисунке 19
false
true
false
12,938
2026-02-24T11:10:44.171000Z
2026-02-24T11:10:44.171000Z
Lec.
В данном файле указываются необходимые для подключения данные: IP адрес, тип подключения, имя пользователя, пароль
false
true
false
12,937
2026-02-24T11:10:42.454000Z
2026-02-24T11:10:42.454000Z
Lec.
Inventory – файл описывающий устройства, на которых надо совершить настройку
false
true
false
12,936
2026-02-24T11:10:40.774000Z
2026-02-24T11:10:40.774000Z
Lec.
Основными понятиями в Ansible являются inventory и playbook
false
true
false
12,935
2026-02-24T11:10:38.952000Z
2026-02-24T11:10:38.952000Z
Lec.
Одним из таких является Ansible – система управления конфигурациями, написанная на языке программирования Python
false
true
false
12,934
2026-02-24T11:10:37.196000Z
2026-02-24T11:10:37.197000Z
Lec.
Делать это вручную может быть времязатратно, потому существуют решения для автоматизации этого процесса
false
true
false
12,933
2026-02-24T11:10:35.100000Z
2026-02-24T11:10:35.100000Z
Lec.
Важно всегда быть готовым к настройке нового сервера и установке на нём необходимых программ
false
true
false
12,932
2026-02-24T11:10:33.536000Z
2026-02-24T11:10:33.536000Z
Lec.
В связи с эти, выбор был остановлен на MinIO
false
true
false
12,931
2026-02-24T11:10:32.040000Z
2026-02-24T11:10:32.040000Z
Lec.
MinIO – объектное хранилище с открытым исходным кодом, что означает возможность его использовать бесплатно, при наличии собственного сервера
false
true
false
12,930
2026-02-24T11:10:30.398000Z
2026-02-24T11:10:30.398000Z
Lec.
Интерфейс MinIO
false
true
false
12,929
2026-02-24T11:10:28.836000Z
2026-02-24T11:10:28.836000Z
Lec.
Такое нам не подходит, к счастью, на рынке существуют открытые альтернативы, одним из которых является MinIO, его интерфейс продемонстрирован на рисунке 18
false
true
false
12,928
2026-02-24T11:10:27.153000Z
2026-02-24T11:10:27.153000Z
Lec.
Большинство существующих на данный момент решений являются проприетарными, то есть закрытыми и предоставляющие платные услуги по хранению данных на удалённом сервер
false
true
false
12,927
2026-02-24T11:10:25.521000Z
2026-02-24T11:10:25.521000Z
Lec.
Исходя из того, что планируется хранить в основном фотографии и веса обученный нейронных моделей, было решено сделать выбор в пользу объектных хранилищ
false
true
false
12,926
2026-02-24T11:10:23.195000Z
2026-02-24T11:10:23.195000Z
Lec.
Кроме того, объектные хранилища поддерживают версионность, что может быть полезно в определённых сценариях
false
true
false
12,925
2026-02-24T11:10:21.665000Z
2026-02-24T11:10:21.665000Z
Lec.
Это делает подобные решения масштабируемыми, а также простыми в использовании
false
true
false
12,924
2026-02-24T11:10:19.968000Z
2026-02-24T11:10:19.968000Z
Lec.
Объектное хранилище подразумевает хранение и управление данными в неструктурированном формате
false
true
false
12,923
2026-02-24T11:10:18.420000Z
2026-02-24T11:10:18.420000Z
Lec.
Данный подход полезен для баз данных со структурированным хранением
false
true
false
12,922
2026-02-24T11:10:16.822000Z
2026-02-24T11:10:16.822000Z
Lec.
Обычно при создании блочных решений выделяют отдельное хранилище для каждого виртуального сервера
false
true
false
12,921
2026-02-24T11:10:15.273000Z
2026-02-24T11:10:15.273000Z
Lec.
Блочный подход в основном используется в корпоративной среде, где важна высокая производительность
false
true
false
12,920
2026-02-24T11:10:13.707000Z
2026-02-24T11:10:13.707000Z
Lec.
Помимо этого, в файловом хранилище данные хранятся в каталогах и папках, собранных в иерархическую структуру
false
true
false
12,919
2026-02-24T11:10:11.900000Z
2026-02-24T11:10:11.900000Z
Lec.
При взаимодействии с NAS обычно используют протоколы Server Message Block (SMB) и Network File Systems (NFS)
false
true
false
12,918
2026-02-24T11:10:10.375000Z
2026-02-24T11:10:10.375000Z
Lec.
В файловом подходе, предусматривается хранение данных с помощью Network-attached Storage (NAS) – устройства для хранения файлов
false
true
false
12,917
2026-02-24T11:10:08.745000Z
2026-02-24T11:10:08.745000Z
Lec.
Сегодня существует три подхода к удалённому хранению файлов [71]:. файловый;. блочный;. объектный
false
true
false
12,916
2026-02-24T11:10:07.198000Z
2026-02-24T11:10:07.198000Z
Lec.
В связи с этим, было решено использовать более продвинутый способ хранения файлов, а именно использование удалённого хранилища
false
true
false
12,915
2026-02-24T11:10:05.667000Z
2026-02-24T11:10:05.667000Z
Lec.
Важным этапом в подготовке датасета является сохранение собранных изображений для их дальнейшего использования
false
true
false
12,914
2026-02-24T11:10:03.854000Z
2026-02-24T11:10:03.854000Z
Lec.
Пример использования этой библиотеки представлен в Приложении Б
false
true
false
12,913
2026-02-24T11:10:01.869000Z
2026-02-24T11:10:01.869000Z
Lec.
С этим поможет сервис OpenStreetMap и python библиотека OSMNX, которая позволяет строить граф и находить кратчайшее расстояние между точками
true
true
false
12,912
2026-02-24T11:09:52.083000Z
2026-02-24T11:09:52.083000Z
Lec.
Необходим более сложный подход, который включает в себя построение графа пути от точки А до точки Б
false
true
false
12,911
2026-02-24T11:09:50.080000Z
2026-02-24T11:09:50.080000Z
Lec.
Так, как улицы не всегда направлены ровно на север, восток, юг или запад, а могут быть направлены по диагонали или иметь повороты, то нельзя просто увеличивать координату начальной точки, пока она меньше конечной
false
true
false
12,910
2026-02-24T11:09:48.495000Z
2026-02-24T11:09:48.495000Z
Lec.
Стоит отметить подход к получению координат, с которых необходимо запрашивать панорамы улиц
false
true
false
12,909
2026-02-24T11:09:46.860000Z
2026-02-24T11:09:46.860000Z
Lec.
Подробнее можно посмотреть в приложении А
false
true
false
12,908
2026-02-24T11:09:45.284000Z
2026-02-24T11:09:45.284000Z
Lec.
Для этого был реализован список, в который сохранялись идентификаторы скачанных панорам, а перед скачиваем производилась проверка
false
true
false